上面的貨櫃碼是：TSSU 205806 9，最後的一個9是所謂的檢查碼！理論上就是讓我們這種寫辨識程式或Key in資料的人，用來確認前面的10個英數字有沒有打錯或辨識錯誤。將前面10個英數字做特定的Checksum演算，會得到一個唯一的答案，如果此答案與檢查碼不符，那就表示前十個字至少有一個字錯了！

很尷尬的是：要從影像中正確辨識出如上貨櫃碼中的前十個數字很容易，幾乎不可能錯誤，最容易辨識錯的字元反而是加了框的檢查碼！原因說給你聽：首先我們認字的程序是將字元目標作灰階與二值化處理切割出來，如下兩圖：

理論上，如果方框與字元總是可以清楚分割成為確定獨立的目標，我只要忽略方框目標，只辨識裡面的字元就OK了！但現實是：那個方框與字元非常貼近，只要稍微有點距離拍成影像時就會沾連在一起了！如果只是這樣也還好，把這個帶框的目標剝兩層皮去框(外圍侵蝕運算)就好了！

但是哪有這種好事？角度陰影亮度變化都可以讓「方框」變成奇形怪狀，上圖就很難定義「方框」的確實位置。多數時候那個方框還若有若無斷斷續續，如下圖，方框變成一些碎片了？你要怎麼辦？把那個3字剝兩層皮？那還是個字嗎？那就是吃錯藥，藥到命除了！

明明是用來檢查辨識正確與否的關鍵數字，本身卻是錯誤率最高的一個字？這好像師生一起去做登山活動，結果體力最差最難登頂的居然是應該帶隊點名的老師？這太糗了！即使全體學生都順利達標登頂了，老師卻還在半山腰掙扎，甚至迷路了！如何認證這個任務已經達成了呢？換言之，明明主要的十個貨櫃碼都辨識對了，檢查碼是唯一的辨識錯誤，「結論」居然是這個辨識案例錯了？你不會被氣到吐血嗎？

這個問題困擾我好久了！雖然想出了一些怪招撇步，但是檢查碼的辨識正確率還是明顯不如一般字元，框框造成的雜訊狀況太多了！這段時間我處理了好多貨櫃碼辨識的整體問題，昨天終於有時間跟這個大麻煩正面對決了！我的老師是誰呢？依然是人眼的辨識邏輯！

試問你或任何視力正常的人，是如何不受忽隱忽現斷斷續續的框框干擾，總是可以直接看清楚裡面的字元的呢？我得到的結論是：我們會參考旁邊沒框的正常字元大小，拿這個Size去「移動比對」那個可能包含或不包含框框的字元區域！不管框框是否存在或完整，那個字總是跟其他字一樣大，而且一樣完整的！就像開保險箱一樣，不斷轉動轉盤，只找到對的角度，就會「咖」的一聲找到節點過關了！

所以我的做法就是：當我知道那個目標是檢查碼時，就不要硬把它縮放成字模大小去比對，而是以前面幾個正常字元的大小為依據，去這個目標範圍內移動「搜索」出可能的那個數字！程式當然變得比較囉囌，我也花了我大半天的時間才寫出來，執行效果呢？一級棒！目前以數百張影像驗證，帶框字的正確率已經完全不輸給正常字了！

這又再度驗證了我的影像辨識理念！要解決問題，看很多論文，或請教AI影像辨識大師都是徒勞的！問自己的眼睛與大腦就夠了！我的專業技術與一般人的差距，只是我可以將你我的眼睛腦袋本來就會做的事情，翻譯成可以RUN的VB程式而已！哪裡需要機器學習啊？要如何用深度學習學會這種事情？你教教我吧！

老實說，截至目前，那些CNN或DNN甚麼的影像辨識說法，我怎麼看都像是在說夢話？或是神話？希望有一天可以真的看懂他們在說甚麼東西？看看可不可以讓我的軟體更強一點？現在呢？根本不必用到它們，日子也過得很好了！也沒看到有誰用CNN來讓我難看！那就繼續看下去吧！